1引言

隨著經濟的發展與人口數量的增加，人們對能源的需求也急速增長，統計結果表明，全國建筑全過程能耗與碳排放變化總體上呈現出一致性的階段性特點 ，2005 年~2019 年 ，我國建筑的全過程能耗由9.34億噸標準煤上升22.3億噸標準煤，年均增長率 6.3%，建筑全過程碳排放由 22.34 億噸二氧化碳增 長 到 49.97 億 噸 二 氧 化 碳 ，年平均增長率為5.92%，其中 ，2019 年建筑運行階段碳排放 21.3 億噸，占全國碳排放的21.6%，雖然年均增長率逐漸放緩，但是建筑運行過程中能源消耗依然占很大比重，因此，建筑物的能耗監測與預警成為眾多學者的研究對象。胡瑩堅[1] 為避免地下室中布線困難等問題，開發了基于 LoRa 技術的建筑物能耗監測系統；陳輝[2] 以建筑物耗能特點為研究對象，在建筑物節能標準中提取影響能耗的主要因素，并建立神經網絡算法對建筑物能耗仿真，提高建筑物能耗評估的智能度；侯驍虎[3] 以物聯網技術、傳感器技術與軟件開發技術為實現手段，結合當前國內外高校在能耗監測應用系統開發與應用方面所積累的經驗，為某高校開發了校園能耗監測綜合管理平臺。開發基于物聯網技術的電力能耗感知預測系統，對建筑物電力能耗進行實時預測和監控，存儲過往歷史數據，預測用電高峰期與低谷期，實現電力資源的“削峰填谷"，可以有效提高能源的使用效率，減少能源浪費。

2建筑能耗感知預測系統

2.1 物聯網技術概述

21世紀以來，物聯網技術發展迅速，已經成為我國信息產業的重要組成部分。物聯網技術主要通過前端設備的布置，將采集到的信號與網絡進行連接，通過有線或者無線方式將信號實時傳輸[4] ，實現對物體的有效定位、識別等功能。物聯網技術架構主要分為三層，即：感知層、網絡層和應用層[4] 。感知層依靠安裝布置在物體上的傳感器設備，對物體信息采集與發送，網絡層在接收到信息后，使用互聯網、無線網絡等技術將信息傳送到應用層，通過應用層對信息進行智能處理，實現物體實時監控或控制的智能化管理體系。

物聯網技術的發展和通信技術的進步加快了我國智慧城市的發展進程，建筑能耗感知與預測作為智能建筑的重要分支，也將得到更加廣泛的應用。

2.2系統架構

建筑能耗感知預測系統主要依托于物聯網技術以及智慧城市管理平臺（見圖1），整體系統架構根據物聯網基本架構分為感知層、傳輸層和應用層三部分，應用層依據系統實際應用功能分為能耗數據管理子系統及能耗預測子系統兩部分。

本文研究對象為建筑物的電力耗能，能耗管理子系統對建筑物已發生的耗能進行有效記錄與存儲，能耗預測子系統根據傳感設備采集到的預測指標對建筑物能耗進行預測，便于建筑管理人員對能耗進行有效把控。

3系統功能

3.1能耗感知模塊

物聯網技術的本質是通過互聯網實現物與物之間的相互連接，并實現物與物之間的信息聯通和交互[5] 。建筑物能耗的實時感知依賴互聯網設備的布置，能耗數據通過傳感器設備采集后，利用無線通信技術傳輸到服務器，服務器將數據進行處理后存儲在后臺數據庫，并在能耗管理平臺展示能耗情況。

傳感裝置用于采集各類數據，包括能耗監測數據和環境監測數據，能耗監測數據用于建筑物能耗實時感知，環境監測數據用于能耗預測。能耗感知模塊會對房間的能耗實時監測對比，當房間內的耗能超過歷史消耗能耗的高值時，則會在系統頁面對建筑管理人員提示，建筑管理人員不僅可以查看能耗實時數據，還可對歷史數據進行分類篩選、搜索等操作，便于管理人員的決策。

3.2 能耗預測模塊

能耗預測模塊配合能耗管理系統，根據歷史數據對建筑物未來能耗進行準確預測，合理優化用電配置，減少建筑用電浪費和碳排放。本研究基于物聯網技術采集能耗預測所需指標 ，構建 BP（Back propagation 反向傳播）神經網絡進行建筑物能耗預測，其基本流程如圖2所示，通過傳感器采集室外溫度等所需信息，將采集到的信息傳輸到管理平臺，將模型數據擬合后便得到建筑能耗預測結果，將結果返回用戶界面。BP神經網絡算法是一種多層前饋神經網絡，基于下降法進行求解[6] ，能夠模擬人的思維模式對機制進行學習，被廣泛地應用于建筑領域的能耗預

測。

BP神經網絡包括輸入層、隱含層與輸出層，在本研究當中，輸入層指標包括建筑面積、室外溫度、空調維持溫度以及人員密度四個指標，經過擬合后得到建筑物耗電量結果，即輸出層，其神經元個數為一，而隱含層的神經元個數是通過算法訓練過程中的不斷調整達到優的。

本研究中算法的訓練數據為天津市中新生態城某幼兒園的歷史數據，數據集溫度覆蓋-8%至32℃，基本滿足全年所有工況。算法訓練完成后進行封裝，在進行能耗預測時將建筑面積、室外溫度、空調維持溫度以及人員密度四個指標輸入算法，算法經過擬合計算后得到建筑能耗預測結果，并將結果返回用戶界面，如圖2結果輸出部分所示。

4系統典型應用

4.1 信息存儲功能

智慧城市管理平臺后臺內置數據庫，存儲建筑能耗歷史數據，便于管理者查詢使用的同時，可用于算法訓練優化迭代。

4.2 信息查詢功能

可以按照時間段對能耗數據進行查詢篩選，同時，還可以按照能耗量篩選數據，便于管理者分析歷史數據，合理制定能源使用策略。

4.3 能耗異常預警功能

系統可對能耗實時感知，并與歷史平均數據進行對比，若出現過高或過低的異常情況，則在管理平臺中顯示警報，提示建筑管理人員對該建筑或房間的能耗情況進行調查。

4.4 能耗預測功能

構建BP神經網絡，使用物聯網設備采集相關指標，自動預測耗電量，得到某一房間或建筑的預測耗能，給建筑管理人員的能源分配決策提供指導。

5 Acrel-EIOT能源物聯網云平臺

（1）概述

Acrel-EIoT能源物聯網開放平臺是一套基于物聯網數據中臺，建立統一的上下行數據標準，為互聯網用戶提供能源物聯網數據服務的平臺。用戶僅需購買安科瑞物聯網傳感器，選配網關，自行安裝后掃碼即可使用手機和電腦得到所需的行業數據服務。

該平臺提供數據駕駛艙、電氣安全監測、電能質量分析、用電管理、預付費管理、充電樁管理、智能照明管理、異常事件報警和記錄、運維管理等功能，并支持多平臺、多語言、多終端數據訪問。

（2）應用場所

本平臺適用于公寓出租戶、連鎖小超市、小型工廠、樓管系統集成商、小型物業、智慧城市、變配電站、建筑樓宇、通信基站、工業能耗、智能燈塔、電力運維等領域。

（3）平臺結構

（4）平臺功能

電力集抄

電力集抄模塊可以實現對各種監測數據的查詢、分析、預警及綜合展示，以保證配電室的環境友好。在智能化方面實現供配電監控系統的遙測'、遙信、遙控控制，對系統進行綜合檢測和統一管理；在數據資源管理方面，可以顯示或查詢供配電室內各設備運行（包括歷史和實時參數，并根據實際情況進行日報、月報和年報查詢或打印，提高工作效率，節約人力資源。

變壓器監控

配電圖

能耗分析

能耗分析模塊采用自動化、信息化技術，實現從能源數據采集、過程監控、能源介質消耗分析、能耗管理等全過程的自動化、科學化管理，使能源管理、能源生產以及使用的全過程有機結合起來，運用先進的數據處理與分析技術，進行離線生產分析與管理，實現全廠能源系統的統一調度，優化能源介質平衡、有效利用能源，提高能源質量、降低能源消耗，達到節能降耗和提升整體能源管理水平的目的。

能耗概況

預付費管理

1）登陸管理：管理操作員賬戶及權限分配，查看系統日志等功能；

2）系統配置：對建筑、通訊管理機、儀表及默認參數進行配置；

3）用戶管理：對商鋪用戶執行開戶、銷戶、遠程分合閘、批量操作及記錄查詢等操作；

4）售電管理：對已開戶的表進行遠程售電、退電、沖正及記錄查詢等操作；

5）售水管理：對已開戶的表進行遠程售水、退水、記錄查詢等操作；

6）報表中心：提供售電、售水財務報表、用能報表、報警報表等查詢，本系統所有的報表及記錄查詢，都支持excel格式導出。

預付費看板

充電樁管理

通過物聯網技術，對接入系統的充電樁站點和各個充電樁進行不間斷地數據采集和監控，同時對各類故障如充電機過溫保護、充電機輸入輸出過壓、欠壓、絕緣檢測故障等一系列故障進行預警。云平臺包含了充電收費和充電樁運營的所有功能，包括城市級大屏、交易管理、財務管理、變壓器監控、運營分析、基礎數據管理等功能。

智能照明

智能照明通過物聯網技術對安裝在城市各區域的室內照明、城市路燈等照明回路的用電狀態進行不間斷地數據監測，也可以實現定時開關策略配置及后臺遠程管理和移動管理等，降低路燈設施的維護難度和成本，提升管理水平，并達到一定節能減掛的效果。

監控頁面

安全用電

安全用電采用自主研發的剩余電流互感器、溫度傳感器、電氣火災探測器，對引發電氣火災的主要因素（導線溫度、電流和剩余電流）進行不間斷的數據跟蹤與統計分析，并將發現的各種隱患信息及時推送給企業管理人員，指導企業實現第一時間的排查和治理，達到消除潛在電氣火災安全隱患，實現“防患于未然"的目的。

智慧消防

通過云平臺進行數據分析、挖掘和趨勢分析，幫助實現科學預警火災、網格化管理、落實多元責任監管等目標。彌補了原先針對“九小場所"和危化品生產企業無法有效監控的空白，適應于所有公建和民建，實現了無人化值守智慧消防，實現智慧消防“自動化"、“智能化"、“系統化"、用電管理“精細化"的實際需求。

（5）系統硬件配置

6結論

綜上所述，隨著物聯網技術的進步和智慧城市的發展，基于物聯網技術構建建筑物能耗感知預測系統，可以使建筑物能耗可視化、存儲歷史數據、賦能城市管理水平、提高建筑管理能力以及能源使用效率。

參考文獻

[1] 于佳怡，周銳，鐘偉.物聯網技術在建筑能耗感知預測系統中的應用探析

[1] 胡瑩堅.基于LoRa技術的建筑物能耗監測系統在人防地下室中的實現[J].現代建筑電氣，2020，11（8）：28-30.

[2] 陳輝.基于神經網絡分析的建筑物耗能仿真模型分析[J]. 佳木斯大學學報(自然科學版)，2022，40（1）：13- 15+138.

[3] 侯驍虎 . 高校校園能耗監測綜合管理平臺的設計與實現

[4] 企業微電網設計與應用手冊2022.05版.